中国人民大学发布‘观天’短临降水智能预报系统与‘玉兰-万象’社会模拟平台2.0:AI4S深度赋能气象治理与公共政策推演

2026年5月30日,在第十个全国科技工作者日暨2026中关村论坛系列活动——‘智汇未来,青年引领——人工智能青年科学家论坛’上,中国人民大学正式发布两项具有原创性与落地穿透力的AI for Science(AI4S)重大成果:‘观天·短临降水智能预报系统’与‘玉兰-万象社会模拟平台2.0’。该发布于6月1日经澎湃新闻、中国教育报及新浪AI热点小时报等多家权威信源同步确认,系当前国内高校在AI深度耦合垂直科学场景中最具系统性突破的双轨成果,填补了高时空分辨率气象AI模型与可解释性宏观社会动力学仿真平台之间的协同空白。

‘观天’系统由人大高瓴人工智能学院联合国家气象信息中心、中科院大气所历时三年攻关完成,首次实现1公里×1公里网格、10分钟级更新、提前0–2小时精准降水概率预测(POD达89.7%,FAR低于12%),其核心创新在于构建‘多源异构观测—物理约束神经微分方程—边缘端轻量化推理’三级架构,摒弃纯数据驱动范式,将云微物理过程先验嵌入Transformer-GNN混合模型。目前已在京津冀汛期试点部署,支撑北京排水集团动态调度响应提速40%。

‘玉兰-万象’2.0则面向超大城市治理复杂性,升级为支持千万级Agent异构交互、具备因果干预引擎与反事实推演能力的开放式政策沙盒。相较1.0版本,新增碳-经济-人口三维耦合模块、疫情后消费韧性压力测试接口及生成式政策影响摘要功能。平台已接入深圳南山区、杭州滨江区真实政务API流,在近期‘高温限电与制造业产能再分配’推演中,成功预判三类企业群体响应偏差,辅助地方政府提前72小时优化补贴梯度策略。

行业影响层面,这两项成果标志着中国AI4S正从‘算力堆叠’迈向‘机理对齐+决策闭环’新阶段。不同于通用大模型的泛化路径,‘观天’与‘玉兰-万象’坚持‘问题定义先行、科学范式锚定、工程可溯可控’原则,为气象、应急、发改、卫健等强监管领域提供了可审计、可验证、可迭代的AI基础设施范本。多位与会院士指出,其方法论有望成为国家《AI for Science三年行动计划》首批推荐技术路线。

未来展望方面,人大团队透露,‘观天’系统将于2026年第三季度接入风云四号B星实时遥感流,启动全球热带气旋初生识别外延测试;‘玉兰-万象’2.0开源框架计划于Q3发布,首批开放城市交通潮汐调度、保障房轮候公平性仿真等六大标准模块。值得注意的是,两大系统均采用国产昇腾910B算力底座与MindSpore 2.3框架全栈适配,零依赖境外训练生态——这不仅是技术自主宣言,更是AI4S中国范式走向规模化落地的关键支点。